基于机器学习的赤水河中下游水位预测研究

该文利用2015、2016年5—10月赤水河沿岸的茅台站、二郎站、赤水站3个水文监测站以及赤水站、习水站两个气象站逐小时采集存储的水文气象数据,基于多元线性回归、岭回归和套索回归3种机器学习方法,构建预测赤水河中下游未来6 h水位趋势的模型。结果表明,基于机器学习的方法可以较好的预测赤水河中下游未来6 h的水位情况,而利用72 h滞后量作为输入集的LASSO回归模型能取得RMSE为0.192 m的预测效果。